廣東話 TTS 下載 MP3 完整教學：由生成到保存嘅流程

一句答你：廣東話 TTS 嘅 MP3 下載，主要有兩條路徑——Playground 直接撳下載掣，或者用 API 攞 audio_url 再 save。URL 預設有時效，預先下載最穩陣。

Key Takeaways

• Playground 同 API 都可以落 MP3，揀邊條視乎你係手動定自動化
• API 嘅 audio_url 有時效：materialized 1 小時、worker 直出 7 日
• 批量落 MP3 係 Pro／Studio 專屬，免費／入門可以開 sandbox key 試
• 同步捷徑限 ≤300 字符，長文、clone、SRT 一定要走 async
• 下載唔使 auth header，URL 本身已 pre-signed，過期就 re-poll 攞新 URL

廣東話 TTS 點樣落 MP3 — 兩條主要路徑

講「廣東話 TTS 下載 MP3」之前，先搞清楚一個現實：TTS 服務嘅輸出本身就係音頻檔案（多數係 MP3 或者 WAV），所以「下載」呢個動作只係將已經生成好嘅音頻由伺服器攞返嚟自己部機。冇生成過嘅音頻，根本無嘢可落。

港嘢（Canto-Gen）嘅廣東話 TTS 提供兩條主要嘅下載路徑，兩者嘅底層音頻一樣，分別只係點攞、點 save：

揀邊條視乎你嘅使用模式。如果你只係想試吓聲線、剪一兩段 demo 旁白、幫一段社交媒體 post 配音，Playground 最快；如果你要做 YouTube 頻道自動化配音、批量生成有聲書、嵌入內容生產 pipeline，就一定要識 API 嘅下載流程。想了解廣東話 TTS 嘅整體功能同定位，可以睇 廣東話 TTS 完全指南。

Playground 下載 MP3 嘅完整步驟

Playground 係最易上手嘅入口。流程好簡單，五個動作搞掂：

1. 揀聲線：喺聲線目錄揀一個 preset，或者用 design 模式自己揀性別＋年齡組合
2. 貼文本：將廣東話文本貼入輸入框（上限 500 字符）
3. 揀風格／情緒：可選 styles 或者 emotion 標籤
4. 撳生成：等幾秒到十幾秒（視乎字符長度同當前在途任務）
5. 撳下載掣：播放器下面會見到下載 icon，撳咗就 save MP3

整個過程唔需要寫 code，唔需要 API key，唔需要處理 URL 時效——因為 Playground 介面已經幫你處理好，下載掣直接 trigger 瀏覽器 save。

Playground 嘅好處：

• 零技術門檻：唔識 API 都可以用
• 即試即聽：可以即刻比較唔同聲線、唔同情緒嘅效果
• 預覽完整：可以聽到 emotion 同 style 嘅實際演繹
• 唔使煩 URL：下載掣直接 save，唔使理時效

Playground 嘅限制：

• 每次只可以生成一段：要批量就要用 API
• 無 URL 可引用：因為下載掣直接 save 落瀏覽器，唔可以喺外部系統引用呢條 URL
• 配額同 API 共用：Playground 用嘅字符同 API 用嘅字符係同一個 quota（2026-09-12 裁定），所以兩邊會互相消耗

如果你係新手、第一次接觸廣東話 TTS，建議由 Playground 開始，聽熟咗聲線再考慮 API。詳細嘅上手流程可以參考 粵語 TTS API 快速上手。

API 下載 MP3 嘅兩條子路徑

API 嘅下載流程分兩種模式：sync（同步）同 async（異步）。兩者嘅下載方式唔同，要根據你嘅文本長度同功能需求揀。

Sync 路徑（≤300 字符）

當你嘅文本 ≤300 字符，又係用 voice 或者 design 模式，API 理論上可以行 sync 捷徑——直接回 200 同音頻 bytes，唔需要再 poll：

curl -X POST https://canto-gen.com/v1/audio/speech \
  -H "Authorization: Bearer sk_live_你的key" \
  -H "Content-Type: application/json" \
  -d '{"text":"你好，我係廣東話 TTS 嘅測試音頻。","voice":"sum"}' \
  --output output.mp3

呢個方式最直接：

• 一次請求就攞到 MP3
• 直接 save 落本地檔案（--output output.mp3）
• 唔需要處理 job_id、唔需要 poll

但有兩個重要限制：

1. 超過 300 字符會行 async，唔會自動截斷；超過 500 字符會直接 400 text_too_long
2. clone 同 srt 模式唔支援 sync——會回 400 clone_not_supported_sync 或者 400 srt_not_supported_sync

⚠️ 實際部署注意：POST /v1/audio/speech 而家係恆回 503 pool_cold，所以 sync 路徑暫時唔可以用。即係話，無論文本幾短，實際工作流都係走 async。下面嘅 async 流程係現時唯一可行嘅 API 下載方式。

Async 路徑（POST → poll → download）

長文本、clone、SRT、批量，全部都係走 async。三步曲：

Step 1：提交任務

curl -X POST https://canto-gen.com/v1/audio/jobs \
  -H "Authorization: Bearer sk_live_你的key" \
  -H "Content-Type: application/json" \
  -d '{"text":"你嘅廣東話文本，最多 500 字符","voice":"sum"}'

回應係 202 Accepted，body 會有 job_id。記住呢個 id，之後所有查詢都要用。

Step 2：輪詢狀態

curl https://canto-gen.com/v1/audio/jobs/{job_id} \
  -H "Authorization: Bearer sk_live_你的key"

每隔幾秒 poll 一次。當 status 變成 succeeded，response 入面會有 audio_url。

Step 3：下載 MP3

curl -o output.mp3 "{audio_url}"

audio_url 已經 pre-signed，唔需要再帶 Authorization header。直接 save 就係 MP3 檔案。

呢個工作流適合：

• 長文本（>300 字符）
• 聲音複製（clone）——需要 tts:clone scope
• SRT 字幕輸出
• 批量生成
• 任何要嵌入自動化 pipeline 嘅場景

audio_url 時效同保存策略

呢個係最多人撞嘅坑：audio_url 唔係永久有效。兩種 URL 嘅時效唔同：

點樣分？最簡單嘅方法係睇時效 header 或者直接試。如果過咗期，curl 會撞到 403 或者 expired signature。

Job 狀態對 URL 嘅影響：

• queued／processing 中：audio_url 唔存在（未生成完）
• failed／cancelled：audio_url 唔存在（唔會出）
• succeeded：先有 URL

最佳實踐：

1. 生成後即刻 save——唔好淨係 save URL 字串
2. 如果你要長期保存，將 MP3 download 落自己嘅 storage（S3、本地 NAS、Notion 附件、Google Drive 都得）
3. 過期就 re-poll——GET /v1/audio/jobs/{id} 可以重新攞新 URL（前提係 job 仲喺 retention 範圍內）

各 plan 嘅 history retention 唔同：

超過 retention 期，job record 會被清走，URL 亦會失效。所以重要嘅音頻一定要自己 backup。如果你嘅工作流係「生成 → 即用 → 唔再需要」，咁 URL 時效唔係問題；如果你係「生成 → 存庫 → 之後再用」，就一定要 download 落自己嘅 storage。

批量下載 MP3 嘅工作流

如果你要批量生成兼下載（例如做有聲書、批量配音、批量短片配音），API 提供 items 批量模式：

curl -X POST https://canto-gen.com/v1/audio/jobs \
  -H "Authorization: Bearer sk_live_你的key" \
  -H "Content-Type: application/json" \
  -d '{
    "items": [
      {"text":"第一章第一段粵語旁白...","voice":"sum"},
      {"text":"第一章第二段粵語旁白...","voice":"sum"},
      {"text":"第一章第三段粵語旁白...","voice":"sum"}
    ]
  }'

批量嘅重要規則：

免費或者入門 plan 想試批量？可以開 sandbox key（sk_test_ 前綴），每日 20 個生成 call，per-account 共享。詳細嘅批量工作流可以睇 TTS 批量生成工作流。

批量嘅下載流程同單個一樣：poll 攞 audio_url → curl save。實際操作上，你會想寫個小 script 自動 poll + download + rename，例如用 Python：

import requests, time

headers = {"Authorization": "Bearer sk_live_xxx"}
job_id = "..."

while True:
    r = requests.get(f"https://canto-gen.com/v1/audio/jobs/{job_id}", headers=headers)
    data = r.json()
    if data["status"] == "succeeded":
        audio = requests.get(data["audio_url"])
        with open(f"{job_id}.mp3", "wb") as f:
            f.write(audio.content)
        break
    elif data["status"] in ("failed", "cancelled"):
        print("Job failed:", data)
        break
    time.sleep(3)

腳本重點：

• Poll 間隔 3–5 秒：太頻密會撞 rate limit（預設 60/min）
• 讀取 endpoint 唔限流：GET /v1/audio/jobs/{id} 同 GET /v1/voices 唔計 rate limit
• 失敗要處理：failed／cancelled 唔會有 audio_url，要 retry 或者記低
• 下載唔使 auth：requests.get(audio_url) 唔帶 header 都得

MP3 同其他格式嘅分別

港嘢預設輸出係 MP3。揀 MP3 嘅原因：

如果係 YouTube、Podcast、IG Reels、Shorts 配音，MP3 已經夠用。如果要再剪輯、加效果、混音，建議用 WAV 保留多啲細節。

揀邊個方案落 MP3 最划算？

落 MP3 嘅成本主要係字符額度——一個字符 ≈ 一段粵語發音。常用估算（基於 ≈ 240 字符／分鐘）：

每月要做嘅量決定咗揀邊個 plan：

詳細嘅定價同成本計算可以睇 廣東話 TTS 定價解析。如果你係學生、獨立開發者、或者只係想試吓，仲有 免費廣東話 TTS 玩法 專門講點樣用免費額度玩到盡。

字符包補充：如果月內突然用量爆標，可以買字符包（HK$0.80／1K 字符，四檔同價，最小 HK$50 = 62.5K 字符）即時加量。配額用完唔會自動超額收費——要加量就要主動買包。

常見問題 FAQ

廣東話 TTS 下載嘅 MP3 音質點？

MP3 已經係有損壓縮格式，但對日常使用（YouTube、社交媒體、有聲書、Podcast）已經足夠。如果需要無損再剪輯，可以揀 WAV 輸出。音質受聲線 preset、文本長度、emotion 設定、風格選擇等多個因素影響，建議實際試聽再判斷，唔同聲線嘅表現會有差異。

audio_url 過咗期點算？

過咗期有兩個情況要分開處理：

1. URL 過期但 job 仲喺 retention 內：用 GET /v1/audio/jobs/{id} 重新 poll 攞新 URL（materialized 1 小時、worker 直出 7 日）
2. Job 已過 retention：URL 永久失效，要重新生成

所以重要音頻一定要自己 backup，唔好淨係 save URL 字串。

點樣將 MP3 嵌入 YouTube 或者 Podcast？

最直接嘅方法：

1. 下載 MP3 落自己電腦
2. 用剪輯軟件（Audacity、Adobe Audition、GarageBand）做最後調整
3. Export 返 MP3 或者 WAV
4. Upload 去 YouTube／Podcast host

如果你係做 YouTube 廣東話頻道，可以參考相關嘅 YouTube 配音工作流文章，了解點樣由 TTS 生成到上片嘅完整 pipeline。

批量下載 MP3 點處理大量檔案？

建議寫 script 自動處理：

1. 提交批量 job（最多 25 items／次）
2. 寫個 loop 自動 poll + download + rename
3. 用 file naming convention（例如 {job_id}_{index}.mp3）方便管理
4. 加 retry logic 處理 network failure

免費／入門 plan 雖然冇批量 endpoint，但可以用 sandbox key（每日 20 個 call）做小規模測試，唔會扣正式配額。

廣東話 TTS 嘅 MP3 可以商用嗎？

視乎你揀嘅 plan 同當時嘅使用條款。建議喺使用前查清楚官方服務條款。一般嚟講，付費 plan（包括 Starter、Pro、Studio）會包含商用授權嘅選項，具體細節以官方條款為準。如果你嘅用途涉及大量商用（例如商業配音、有聲書出版、廣告配音），建議直接聯絡官方確認授權範圍。

點樣確保 MP3 嘅時長準確？

估算公式係 ≈ 240 字符／分鐘（廣東話正常語速）。但實際時長會受以下因素影響：

• 標點停頓（句號、逗號會加長）
• 數字讀法（電話號碼、地址）
• 中英夾雜（英文詞會按英文讀法）
• emotion 設定（激動情緒會快啲）
• 風格（styles）設定

整體浮動大約 ±10–20%。如果對時長有嚴格要求（例如配合影片長度），建議先生成 sample 試吓，再調整文本長度。

點樣處理廣東話多音字？

廣東話有唔少多音字（例如「行」可以讀 haang4 或者 hang4、「重」可以讀 cung4 或者 zung6），TTS 未必每次都讀啱你嘅語境。常見處理方法：

1. 用 廣東話多音字攻略 嘅提示同技巧
2. 必要時用括號或者上下文引導（例如「行路」vs「銀行」）
3. 生成後聽一次，有問題就改文本再生成

多音字係廣東話 TTS 嘅長期挑戰，暫時冇 100% 自動化嘅解法，需要人耳校對。

---

[!CTA]

想即刻試廣東話 TTS 落 MP3？

去 Playground 免費試聲線、生成第一段 MP3——開戶每月有 5,000 字符試玩額度。